培训课时:24小时

培训天数:6小时/天

课程内容:

天数

模块名称

课程内容

第一天

Tensorflow入门

1.Tensorflow数据读取与数据预处理

l TensorFlow TFRecord输入数据格式与数据队列

l TensorFlow 图像预处理功能

l 数据读取方式对比

2.Tensorflow实现经典卷积神经网络

l AlexNet模型结构与代码实现

l VGGNet模型结构与代码实现

l ResNet模型结构与代码实现

3.Tensorflow模型可视化

l Tensorboard简介

l 命名空间与Tensorboard可视化

l 模型状态评估与优化

4.Tensorflow加载预训练模型

l ImageNet简介

l 预训练模型加载

l 实现1000类物体的识别

第二天

Tensorflow图像分类实战与项目部署

1.数据获取与标注

l 常见数据来源

l 众包平台介绍

l 常用标注软件介绍

2.图像分类模型选择及场景分析

3.数据集划分

4.图像分类模型训练

5.图像分类模型测试

6.图像分类模型优化

7.Tensorflow模型导出

8.Tensorflow模型部署

第三天

TensorFlow与目标检测实战

TensorFlow与目标检测图像处理实战

1 检测通用框架Faster-Rcnn结构详解:Faster-Rcnn算法优势、应用场景

2 Faster-Rcnn之RPN层详解:Faster-Rcnn之RPN层原理以及实现方式解读

3 Faster-Rcnn整体框架流程:Faster-Rcnn层次结构分析,详解每一层原理

4 完成第一阶段图像数据源(VOC)制作

5 第一阶段网络训练

6 第二阶段网络数据源制作

7 第二阶段网络模型训练

8 网络模型参数初始化

9 完成全部测试结果

10 评估训练和检测效果

11 项目总结分析

12 算法框架分析

第四天

TensorFlow与文本分类实战

1.文本分类简介

2.文本语料收集与处理

3.  FastText实现文本分类

l FastText算法原理

l FastText算法实现

l 基于FastText的文本分类实战

4. bert实现文本分类

l bert算法原理

l bert算法实现

l 基于bert的文本分类实战

5. FastText与bert的对比